1.
モデルのパフォーマンスがデータの品質に依存している理由として最も適切なものは次のうちどれですか？
2.
モデルが本番環境で意図しないバイアスを持つ可能性を最小限に抑えるためには、次のどの手法が有効ですか？
3.
モデルの解釈性を向上させるために「SHAP」を利用する際、どのような情報が得られますか？
4.
モデルのフェアネス（公平性）を担保するために使用される評価手法はどれですか？
5.
モデルの利活用において、予測精度の評価に使われる指標の一つはどれですか？
6.
モデルの「ブラックボックス」問題とは何ですか？
7.
モデルのフェアネス（公平性）を評価する際に使用される指標として適切なものは次のうちどれですか？
8.
モデルのデプロイ後に予測結果をリアルタイムで提供する際、必要とされる機能として最も適切なものは次のうちどれですか？
9.
データサイエンスにおいて、モデルを活用する際に最も重要なステップの一つは何ですか？
10.
モデルの定期的なメンテナンスが重要である理由として最も適切なのは次のうちどれですか？
11.
モデルの利活用において、バイアスとバリアンスのトレードオフはどのように関連していますか？
12.
モデルの公平性を確保するために行うべきアプローチとして最も適切なものは次のうちどれですか？
13.
本番環境で使用されているモデルが突然精度低下を起こした場合、考えられる原因として最も適切なものは次のうちどれですか？
14.
モデルのパフォーマンスを評価するためにROC曲線を使用する主な目的は何ですか？
15.
モデルの汎化性能を評価するために行う手法の一つはどれですか？
16.
モデルのデプロイ後に重要なタスクはどれですか？
17.
予測モデルを本番環境にデプロイする際、APIの利用が推奨される理由は何ですか？
18.
データの分布が時間とともに変わる場合、モデルのパフォーマンスを向上させるために推奨される手法はどれですか？
19.
モデルの評価において、「再現率」とは何を示しますか？
20.
モデルの予測結果を解釈しやすくするための手法として適切なのはどれですか？
21.
モデルの精度を向上させるために、次のどの手法が有効ですか？
22.
モデルを運用環境にデプロイする際に考慮すべき「レイテンシー」とは何ですか？
23.
モデルを本番環境にデプロイする際に、クラウドプラットフォームを利用する主な利点として最も適切なものは次のうちどれですか？
24.
モデルの利活用において、データが定期的に追加されるシナリオで推奨される手法はどれですか？
25.
クラスが不均衡なデータセットにおいて、モデルのパフォーマンスを正確に評価するために推奨される指標は次のどれですか？
26.
デプロイされたモデルの性能を定期的に監視する理由は何ですか？
